-
公开(公告)号：CN110222800A
公开(公告)日：2019-09-10
申请号：CN201910357888.7
申请日：2019-04-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于点阵的二维码防伪标识图像及其识别方法，即在传统QR Code二维码的基础上加入点阵防伪码的内容，结合了点阵防伪码后的二维码不仅仍然可以被大众的二维码扫描应用所识别，获取二维码信息，并且可以被专用的防伪码扫描应用进行扫描，进行真伪鉴别。本发明能够达到一码两用的目的，即利用了传统二维码的通用性又达到了防伪的目的，方便用户快速上手使用，并且此防伪二维码能够根据配置不同参数、编码方案，达到个性化的目的，提高解码难度。
-
公开(公告)号：CN109064201A
公开(公告)日：2018-12-21
申请号：CN201810548810.9
申请日：2018-05-31
Applicant: 浙江大学 , 北京农信互联科技有限公司
CPC classification number: G06Q30/0201 , G06K9/6256 , G06K9/6276
Abstract: 本发明公开了一种基于RSVD的生猪价格数据多级填充方法，其采用了基于RSVD和KNN的方法，综合考虑了时间和地理位置因素，计算各个地区的K近邻地区的价格相关系数，之后采用RSVD方法，用于填充某一地区的缺失值。本发明方法在综合考虑了相关价格的时间和地理位置属性的基础上，还考虑了整体价格的变化趋势，使用已知数据不断的拟合因子矩阵，直到收敛，利用因子矩阵的乘积来填补缺失数据。因此，本发明能够较好地利用生猪价格的时序和地理位置信息，可以更及时地发布生猪市场价格信息，有效、直观地传递给相关受众。
-
Patent Agency Ranking
公开(公告)号：CN110222772A
公开(公告)日：2019-09-10
申请号：CN201910497178.4
申请日：2019-06-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于块级别主动学习的医疗图像标注推荐方法，首先将整张图像划分成不同区域，识别和区分每个区域所含对象的类型，然后针对图像块和对象类别进行标注推荐，实现对图像各区域标注价值的细粒度评估。本发明通过定位有标注价值的区域，解决了现有标注推荐方法在医疗图像上重复推荐的问题。该方法将图像标注推荐的基本单位缩小到图像块级别，避免了图像中相似对象重复标注导致的资源浪费，进一步地减少了标注成本。与目前最好的医疗图像标注推荐方法相比，本发明在达到相同语义分割精度的情况下最多能减少15％的标注开销，或者在相同标注开销的情况下能够提高2％的语义分割精度。
-
公开(公告)号：CN110222772B
公开(公告)日：2021-05-04
申请号：CN201910497178.4
申请日：2019-06-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于块级别主动学习的医疗图像标注推荐方法，首先将整张图像划分成不同区域，识别和区分每个区域所含对象的类型，然后针对图像块和对象类别进行标注推荐，实现对图像各区域标注价值的细粒度评估。本发明通过定位有标注价值的区域，解决了现有标注推荐方法在医疗图像上重复推荐的问题。该方法将图像标注推荐的基本单位缩小到图像块级别，避免了图像中相似对象重复标注导致的资源浪费，进一步地减少了标注成本。与目前最好的医疗图像标注推荐方法相比，本发明在达到相同语义分割精度的情况下最多能减少15％的标注开销，或者在相同标注开销的情况下能够提高2％的语义分割精度。
-
公开(公告)号：CN109063714A
公开(公告)日：2018-12-21
申请号：CN201810884790.2
申请日：2018-08-06
Applicant: 浙江大学
CPC classification number: G16H50/20 , G06K9/4671 , G06K9/6217 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法，其结合了计算机视觉和深度学习技术，通过短视频对受测试者的运动模式进行评估，并判断存在运动迟缓症状的可能性。本发明同时考虑了运动行为和运动过程，提出了详细的数据采集方法和运动轨迹定义方法，并设计了三种新颖的度量指标和一种周期运动网络模型PMNet来处理运动迟缓症状判断问题。与传统方法不同，本发明具有可扩展性和可移植性的特点，基于卷积神经网络的关键点提取方法可以被其它更为精准的模型所替换，还可以添加更多特征来描述运动行为。此外，本发明能够胜任其它类似的周期性运动评估，如MDS‑UPDRS量表3.4项的手指敲击动作。
-
公开(公告)号：CN109635820B
公开(公告)日：2020-07-17
申请号：CN201811434416.9
申请日：2018-11-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法，其结合了计算机视觉和深度学习技术，通过短视频对受测试者的运动模式进行评估，并判断存在运动迟缓症状的可能性。本发明同时考虑了运动行为和运动过程，提出了详细的数据采集方法和运动轨迹定义方法，并设计了三种新颖的度量指标和一种周期运动网络模型PMNet来处理运动迟缓症状判断问题。与传统方法不同，本发明具有可扩展性和可移植性的特点，基于卷积神经网络的关键点提取方法可以被其它更为精准的模型所替换，还可以添加更多特征来描述运动行为。此外，本发明能够胜任其它类似的周期性运动评估，如MDS‑UPDRS量表3.4项的手指敲击动作。
-
公开(公告)号：CN109635820A
公开(公告)日：2019-04-16
申请号：CN201811434416.9
申请日：2018-11-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法，其结合了计算机视觉和深度学习技术，通过短视频对受测试者的运动模式进行评估，并判断存在运动迟缓症状的可能性。本发明同时考虑了运动行为和运动过程，提出了详细的数据采集方法和运动轨迹定义方法，并设计了三种新颖的度量指标和一种周期运动网络模型PMNet来处理运动迟缓症状判断问题。与传统方法不同，本发明具有可扩展性和可移植性的特点，基于卷积神经网络的关键点提取方法可以被其它更为精准的模型所替换，还可以添加更多特征来描述运动行为。此外，本发明能够胜任其它类似的周期性运动评估，如MDS‑UPDRS量表3.4项的手指敲击动作。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
